or
Deze oefening maakt deel uit van de cursus
Leer hoe je uiteenlopende data kunt samenvoegen met inner joins. Door informatie uit meerdere bronnen te combineren ontdek je overtuigende inzichten die eerder misschien verborgen waren. Je leert ook hoe de relatie tussen die bronnen, zoals one-to-one of one-to-many, je resultaat kan beïnvloeden.
Breng je kennis van joins naar een hoger niveau. In dit hoofdstuk werk je met TMDb-filmdaten terwijl je leert over left, right en outer joins. Je ontdekt ook hoe je een tabel met zichzelf merge’t en hoe je merge’t op een DataFrame-index.
Huidige oefening
In dit hoofdstuk maak je gebruik van krachtige filtertechnieken, waaronder semi-joins en anti-joins. Je leert ook hoe je DataFrames aan elkaar kunt plakken door ze verticaal te combineren en de functie pandas.concat te gebruiken om nieuwe gegevenssets te creëren. En omdat data zelden perfect is, leer je tot slot ook hoe je je nieuw samengevoegde datastructuren valideert.
In dit laatste hoofdstuk ga je een stap verder en leer je de gespecialiseerde methoden van pandas toepassen voor het mergen van tijdreeks- en geordende data met echte financiële en economische data van de City of Chicago. Je leert ook hoe je de resulterende tabellen bevraagt met een SQL-achtige notatie, en hoe je data unpivot met de methode melt.